专访施巍松：边缘计算早期提出者之一

![](https://img-blog.csdn.net/20180729210358293) 1995 年，施巍松从西安电子科技大学计算机系毕业，然后被保送到中科院计算所。2000 年，施巍松获得中科院计算所的博士学位。博士毕业以后，施巍松去美国的纽约大学做了两年半的博士后，并于 2002 年的 8 月加入韦恩州立大学做助理教授。2013 年，施巍松被评为正教授。

施巍松有很多头衔，比如韦恩州立大学终身教授，IEEE 会士，中科院计算所客座研究员，西安电子科技大学兼职教授等，但是他的另一个身份近几年才为人熟知——边缘计算的早期提出者之一。

什么是边缘计算？

边缘计算是指在网络边缘执行计算的一种新型计算模式，具体对数据的计算包括两部分：下行的云服务和上行的万物互联服务。边缘计算中的“边缘”是相对的概念，是指从数据源到云计算中心路径之间的任意计算、存储和网络资源。如果从仿生的角度来理解边缘计算，可以做这样的类比：云计算相当于人的大脑，边缘计算相当于人的神经末梢。

在万物互联时代，边缘计算将变得越来越重要，特别是人工智能算法想要在终端设备上运行，更是离不开边缘计算。因此，包括微软、亚马逊等在内的科技巨头们也都在研究边缘计算，可见这项技术未来的重要性。

近日，AI科技大本营采访到了施巍松教授，和他聊聊了个人经历、边缘计算、以及中美高校的差异，并将其整理成文，希望读者能从中受益。

#从西电本科生到美国教授

AI科技大本营：一个中国本土培养的人才到美国当教授，英语问题是怎么解决的？

施巍松：我在西电保送到中科院直博之后，那边比较重视英文，我们英文老师是个外国人，这个外国老师对我的帮助很大。等我从中科院毕业的时候，英文的口语水平已经还不错了。虽然跟现在还有些差距，但当时我看见个外国人，基本可以自由和他对话。

另外一个关键的挑战在于你对美国的教育系统不了解，这其实是一个很大的问题。因为你没在美国读过书，你不知道美国大学是怎么运作的。但是我在纽约大学时做过两年半的博士后，和纽约大学的老师同学经常聊一些相关的事情，在那里观察了一下纽约大学是怎么样培养学生。我在纽约大学的老板是印度人，他对我的影响挺大，从他那里学了不少东西。

AI科技大本营：为什么选择去韦恩州立大学？

施巍松：回溯到 16 年前，那时候中国的学位外国人认可度不高，不像今天清华、中国科学院的很多学者在国际上很有名气，对当时找工作、找学校还是有些影响。

另外，韦恩州立大学在系统领域里的研究还是不错的，我当时拿到两所大学的 offer，一个是加拿大的滑铁卢大学，一个是韦恩州立大学。但是当时之所以想留在美国做老师，有两个很重要的因素：一个是学术自由，国内真正博导放开是很久以后的事了，在美国当助理教授直接就是博士生导师，而且你很独立，可以做自己想做的研究，没有人会管你。第二点，美国大学教授只发 9 个月的工资，这有什么好处呢？就是你有 3 个月的工资是靠自己拿科研经费去挣。那3个月学校不给你发钱，你是自己的老板，所以你特别自由，你爱去哪去哪。在美国比如夏天可以到公司去跟公司合作，也可以去到别的学校去合作。

滑铁卢大学有点像中国和美国的结合体，加拿大的大学发 12 个月工资，就意味着学校一直给你发工资，你夏天就不能随便在外面跑动。另外，助理教授去了加拿大以后并不是博士生导师，一开始只能带硕士，带博士还要一段时间。

韦恩州立大学比较符合我的想法。中间也有一些其他学校想挖我走，但我觉得我们学校在底特律，交通非常方便，可以直飞北京、上海。另外，像我们做智能汽车和自动驾驶，因为底特律是是工业城市，有很多合作的机会。

AI科技大本营：之前有很多媒体报导底特律衰落了，治安不好，底特律到底是怎样的城市？在那里做科研有优势吗？

施巍松：其实底特律还是相当不错的，100 年前它很富有，虽然前些年没落了，但是“瘦死的骆驼比马大”。古话说“坏事传千里，好事不出门”，底特律在过去 10 年其实发展的非常好。举个例子，微软刚刚把它们在美国中西部的技术中心刚刚搬到底特律市。

从投资的角度，通用汽车在自动驾驶上的投资是二十几亿美元，福特也是十几亿美元，而且这些车企这几年非常成功。特别是我最近做边缘计算，自动驾驶最合适的地方就是底特律，比硅谷还要合适。因为硅谷是对计算、对IT比较熟悉，但是懂车的人不多，我们那有很多懂车的人。

AI科技大本营：您在韦恩州立大学已经待了 16 年了，从助理教授到教授，在美国想评上教授需要怎样的成果？

施巍松：我先说一下通用的，国外对大学教授的要求是，你一定要在你这个领域里有一定的 visibility （知名度），别人都知道你，不是闷着头发多少论文就代表水平很高，它很强调知名度。像有的教授，花了 16 年才评上教授。能不能评上教授有一个很重要的因素，得从外面找评审人，这些写信人的大学通常比你的大学还要好，从他们的角度看你是不是够资格当教授，如果这些人写信说你的水平不够，那你肯定上不了。

AI科技大本营：评上正教授是因为什么成果？是因为边缘计算吗？

施巍松：边缘计算是正教授以后的事，之前是主攻功耗（energy efficiency）方向。美国的终身教授评审很有意思，就是评上终身教授以后，你有一些自由选择下一个研究方向，所以我在 2008 年做了一个大胆的选择。当时数据中心已经很重要了，但是耗电很大，怎么样才能节能？我们几乎和 Google 等同步开始做数据中心的节能研究，到 2013 年左右我们在这个领域里写的论文、做的工作已经有一定的影响力。我到美国基金委去做借调的项目主管，也是因为我在功耗这个领域的工作，他们需要这样的人去做主管。我开始关注边缘计算是在 2014 年左右。

AI科技大本营：为什么后来转做边缘计算？

施巍松：在云这端做了很多事情以后，自然就想到再下一步应该到哪去执行这些计算，所以我们就开始要把计算推行到边缘上来。乍一看这两者之间好像没什么关系，但实际上边缘计算相当于是之前项目的延伸。

#关于边缘计算

AI科技大本营：您之前讲到 CDN 是最早边缘计算的雏形，从 CDN 到 Edge Computing，您觉得在概念上最大的改变是什么？

施巍松：CDN 主要是 Content Cache（内容缓存），现在是 Function Cache（功能缓存），等于你现在要把计算功能搬到边缘上来，这就是这次 Edge Computing 最大的特点，就是要把Function放上去，而不是简单的把内容放上去。

AI科技大本营：边缘计算在是一个很大的领域，您现在主攻哪个方向？

施巍松：我现在一方面是推进 Edge Computing，另外我觉得边缘计算要想成功就必须找到自己杀手级的应用。我自己在前面几年一直致力于在这件事，我自己做得比较多的有两大应用场景，一个是公共安全，因为公共安全摄像头有很多视频需要处理。视频的分析是很重要的一个杀手级的应用，因为数据送不到云端去，又已经有了这么多数据，必须要在本地处理。还有一个是考虑到我们自己在底特律，所以我们也在做智能网联车和自动驾驶。

边缘只是个位置，最终上面跑的算法是什么，比如自动驾驶都是神经网络、深度学习的东西，所以这里我在这两个场景下面做 AI 的加速。举个例子，譬如我们怎样让TensorFlow 在边缘上运行得更快。

AI科技大本营：通过软件？

施巍松：一个是通过软件，还有一个是把车上搭载的硬件的特性全部都发挥出来。我们不做硬件，我们利用软件的方法来提升它的性能。但时间会证明，一个硬件摆在那，如果没有很好的软件，它的性能并不好，所以要做很多这样的优化，这是我们目前在做的事情。

AI科技大本营：为了实现边缘计算的可编程性，您提出了数据流和计算流的概念，能解释一下吗？

施巍松：这两个意思比较接近，比如一段视频数据，视频采集在端上已经做了些处理，比如我们先看一下这个地方到底有没有人，如果这个地方有人就进行下一步，看看到底是谁；如果发现这个地方连人都没有，那我就把视频扔掉了。相当于从这开始有一步计算，然后数据减少了，有人的数据会传到下一步去，做人的匹配，把人匹配出来以后再做下一步，比如追踪这个人的轨迹。这个计算本身跟数据流也差不多，但我们用了一个“计算流”的概念，在不同的地方做一些事情，最终把这个事情做完，不像以前所有东西都在一个地方运行。

AI科技大本营：边缘计算目前为止最大的突破是什么？

施巍松：我觉得整个领域取得最大的贡献是应用场景逐渐清晰化。基本上现在几大场景已经比较清晰了，比如公共安全、智能驾驶、智能制造、智慧家庭、智慧医疗等，应用场景一旦清晰化以后，大家可以开始聚精会神做事情了，不会和以前像无头苍蝇一样。

从技术角度上讲，我觉得有几项共性的技术开始慢慢被抽象出来，比如像分布式处理的编程模型，像我们自己的 2015 年提出的烟花模型（Firework），今年已经开始在几个场景下使用。

从 IoT 的角度讲，微软今年开始把自己做的 Azure IoT 的全部开源。亚马逊做了一个 Lambda 计算，也是嵌入到 Edge上去做的，但是没有开源，而是作为一个service提供给别人。

关键是你要让别人能写代码，所以一些开源软件今年开始出现，这样让别人可以下手了。

AI科技大本营：边缘计算里最重要的几大类技术是哪几方面？

施巍松：目前最重要的几大类技术：

一是边缘端的处理器，目前很多人在做。

第二个，从分布式系统角度来讲就是编程模型，边与边之间怎样互相合作，边与cloud之间怎样互相合作。如果更加倾向物联网装置的话，那就是命名机制，这也是一个很大的挑战。还有，边缘命名机制其实是跟边缘网络有关系的，Edge Network 的目标是让它做得更快，但今天很多网络最后一步并不快。要想让它做得快，Edge Network 可能就要采用新的命名机制、新的协议。

最后一个很重要的是边缘上的安全也带来了很多的挑战，因为传统的在云里面比较好弄，弄到边缘上以后算力不够，有新的安全隐患。另外，边缘可以作为新的计算模式，来解决以前的安全问题，比如智能家居里的隐私保护就是一个特别好的例子。

AI科技大本营：现在边缘计算处于什么发展阶段？

施巍松：现在它处在很好的上升阶段，再过两三年年应用的场景更加清晰化以后，有些技术就可以用在上面。现在比以前的迭代周期好像更快一点，这个变化很大。几年前国内很少有学校对边缘计算有兴趣，现在完全不一样了。现在是2018年，对中国来讲它是个元年，很多公司和科研单位都开始搞边缘计算了。

AI科技大本营：制约边缘计算的最大因素是什么？

施巍松：边缘计算和云计算的最大区别是，云计算开始热的时候就已经有了 MapReduce 和 Hadoop ，而且它是统一的，大家下载就可以马上可以用。边缘计算为什么很多人在观望，因为它场景不太一样，没有一个简单的编程模型，让别人可以很容易地感触到。

AI科技大本营：边缘计算能够为人工智能带来什么？

施巍松：很多人工智能应用可以在云端运行，但人工智能又想下行，就是把Function下行，从这个角度来讲，如果人工智能的Function下行的话，它最好的落脚点是在边缘上，这是边缘给它带来的好处。

AI科技大本营：中美两国的边缘计算发展有什么不同？

施巍松：美国边缘计算的推手最成功的是云服务商，所以边缘计算目前最成功的还是在美国。中国是智能制造走得很前沿，这也是为什么中国自动化学会成立边缘计算专委会的原因，这是中国的特点。国内云计算公司早先真正对边缘计算感兴趣的就百度一家。

AI科技大本营：百度的边缘计算主要是做什么？

施巍松：是因为百度云上有很多业务，百度要把它的业务推送到下面去，所以他们特别强调要在边缘上做一些计算，这样能够帮助它们下行。

#中美高校的教育与科研

AI科技大本营：在中美高校上课有什么不同吗？

施巍松：美国把上课看得很重。举个例子，国内有些活动请我来报告，我告诉他们实在来不了，因为我要是参加你的活动，我有两堂课都上不了了，这在美国是绝对不允许的。美国课虽然上得很少，比如一个学期就上一门课，但你一定要花很多功夫，上课时间尽量不外出。

AI科技大本营：当了教授之后，还会考核您的科研成果吗？

施巍松：美国很少考核你的成果，教授真的是一个铁饭碗。在现代社会里如果你认为还有一个铁饭碗的话，那美国教授就是一个铁饭碗。所以导致这种制度下肯定有些懒人，有些人拿到终身教授以后，连正教授都不想当了，一辈子副教授退休。但这种人是少数，因为这么好的制度，天天养着你，你不干点事都不好意思。终身教授的好处在于提供一个特别自由、宽松的环境，让你自由的想去做一些研究。

AI科技大本营：您之前曾提到，20 年前做科研，美国人在吃蹄髈肉，我们在吃骨头缝里的肉，现在有改观了？

施巍松：现在已经有一些改观，我们现在跟进的速度快，至少不完全是啃骨头了，但是目前还没有真正提出全新“蹄髈”来。基础原创性的工作还需要一段时间的积累，但已经有很大的进步了。要提出东西是很难的，需要天时地利人和，就像边缘计算，你要早了，提出来了也没人买你的帐。

AI科技大本营：提出问题比解决问题更重要吗？

施巍松：爱因斯坦说过，提出问题就已经解决 50%了。如果这个问题是你提出来，所有后面解决这个问题的工作都要引用你提出问题的文章，这样你的影响力会很大。如果你提出一个解决方案，后面的人再提出一个比你更好的解决方案，再后面就不会有人关注你的文章了，所以影响力就不一样了。

提出一个问题来是很厉害的，国内有些做研究的，特别是一些高校，为了追求发表论文，让研究人员读国际上顶级会议的论文，然后找出来哪一个有缺点，去提高它。按照这样的思路，虽然你将来提高它了以后也可能发表论文，但人家第一个提出问题的人只是原创，你只是把它的方法稍微提高了一点，跟人家比起来是不一样的。

AI科技大本营：西电是您的母校，这几年有哪些变化？

施巍松：2008 年以来这过去 10 年我经常回西电，在过去这十年里西电进步非常大。无论是自身人才的成长，还是引进人才，西电做得都非常好。此外，西电过去这几年在国际化方面做得相当的不错，我能看到它的进步。比如西电的信息和通信工程和计算机学科都已经进入了全国的一流学科了。

AI科技大本营：您在美国上课的话，学生到期末时会给你评分吗？

施巍松：每个学生也给我们打分。美国像我们这种大学，让学生打分也很重要，但我们不会把每一个学生找来，这之间还是有一些区别的。

专访施巍松：边缘计算早期提出者之一相关推荐

施巍松老师组20-21年工作
Qingyang Zhang, Hong Zhong, Weisong Shi, Lu Liu: A trusted and collaborative framework for deep lear ...
活动推荐丨当云计算遇到边缘计算
推荐一个边缘计算活动, 计算机学会主办!施巍松教授主讲! 7位重量级学术科研专家, 时间在10月9号-11号(周三到周五)! 建议在北京的同学抓紧报名! 随着海量设备接入互联网,传统的云.物联网等计算 ...
2021丨边缘计算领域值得关注的新书
2021年只剩下几天了.一起来回顾一下,今年边缘计算领域出了几本什么样的书?边缘计算社区向您介绍我们从中国版本图书馆发现整理的2021年边缘计算领域出版物.出一本书周期普遍需要2年以上,出书不易,每一 ...
感谢这10所高校师生！为边缘计算发展做出贡献！
Gartner每年会根据分析预测把各种新科技的发展阶段及要达到成熟所需的时间绘制在一条曲线上,这条曲线被称为"Gartner新兴技术成熟度曲线"(The Gartner Hype ...
解锁万亿级市场，边缘计算不“边缘”
万物互联时代,边缘计算离我们很远吗?从VR/AR游戏.超清视频,到远程医疗和自动驾驶,流畅低时延的智能生活背后,都有它的身影. 关于边缘计算,行业里有一个惯用的比喻:章鱼的大脑作为中央节点,只处理40 ...
过去一年，边缘计算领域发生了什么？
边缘计算被Gartner评为2018年十大战略科技发展趋势之一.2018年7月,人民网官方搜狐号发布了一篇名为<边缘计算是继云计算.AI之后又一科技浪潮>的文章.文中表示边缘计算将是又一次 ...
边缘计算Edage Computing
1.边缘计算的定义边缘计算是指在靠近物或数据源头的一侧,采用网络.计算.存储.应用核心能力为一体的开放平台,就近提供最近端服务. 其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务. ...
推动边缘计算的七项核心技术
戳蓝字"CSDN云计算"关注我们哦! 作者:施巍松文章转载自边缘计算社区计算模型的创新带来的是技术的升级换代,而边缘计算的迅速发展也得益于技术的进步.本节总结了推动边缘计算发展 ...
边缘计算计算机科学与技术,边缘计算现状与展望-ComputerScience-WayneStateUniversity.PDF...
边缘计算现状与展望-ComputerScience-WayneStateUniversity.PDF 计算机研究与发展 DOI:10.7544/issn1000-1239.2019.** ...

专访施巍松：边缘计算早期提出者之一

专访施巍松：边缘计算早期提出者之一相关推荐

最新文章

热门文章